No Peek：私有分布式深度学习综述
机器学习
2018-12-11 v1 分布式、并行与集群计算
机器学习
摘要
我们综述了在不访问客户端原始数据的情况下进行训练或推断的分布式深度学习模型。这些方法旨在保护数据中的机密模式，同时仍允许服务器训练模型。除神经网络背景下的差分隐私、同态加密、不经意传输和混淆电路等私有与安全方法外，我们还比较了联邦学习、拆分学习和大批量随机梯度下降等分布式深度学习方法。我们研究了它们在计算资源、数据泄露和通信效率方面的优势、局限性与权衡，并分享了我们对未来趋势的预期。
引用
@article{arxiv.1812.03288,
title = {No Peek: A Survey of private distributed deep learning},
author = {Praneeth Vepakomma and Tristan Swedish and Ramesh Raskar and Otkrist Gupta and Abhimanyu Dubey},
journal= {arXiv preprint arXiv:1812.03288},
year = {2018}
}
备注
21 pages